Hash 计算散列的速度有多快？

它是在O（1）或O（n）中完成的，还是介于两者之间的某个地方？计算一个非常大的对象和一个小对象的散列有什么缺点吗？如果有关系的话，我使用的是Python。

大多数情况下，您的哈希将在O（1）的access中计算。然而，如果它是一个非常糟糕的散列，其中每个值都有相同的散列，那么它将是O（n）最坏的情况

---

与散列关联的对象越多，冲突就越多

一般来说，“小”项的散列计算为O（1），而“大”项的散列计算为O（N）（其中“N”表示项的键的大小）。大小之间的精确分界线各不相同，但通常位于寄存器大小的大致附近（例如，32位机器上的32位，64位机器上的64位）。这也可能取决于输入类型——例如，寄存器大小上的整数类型所有散列都具有恒定的复杂性，但字符串的时间与字节大小成比例，一直到单个字符（即，两个字符的字符串的时间大约是单个字符串的两倍）

---

一旦计算了散列，访问散列表的复杂度应该是恒定的，但在最坏的情况下可能会达到O（N）（但这是一个不同的“N”——插入表中的项数，而不是单个键的大小）。

真正的答案取决于此。您没有指定您感兴趣的哈希函数。当我们谈论像SHA256这样的加密散列时，复杂性是O（n）。当我们讨论的哈希函数取电话号码的最后两位数字时，它将是O（1）。散列表中使用的散列函数往往会针对速度进行优化，因此更接近O（1）

---

有关哈希表的更多参考信息，请参阅python wiki上的本页。

取决于哈希函数的实现。一个插件：与较小的对象相比，与较大的对象发生冲突的可能性更高吗？嗯，我的回答仍然是一样的，冲突取决于算法。您可能有一个100个字符长的字符串，另一个只有1个字符长。现在，如果您的哈希函数只考虑字符串的第一个字符，则会发生大量冲突。问题是关于加密哈希函数或其他类型（如字典中使用的哈希函数）的问题吗？渐进复杂性可能不是讨论小输入大小的运行时间的最合适工具，从技术上讲，它只关心当我们接近无穷大时会发生什么。另外，你能不能说它是O（N/32）或O（N/64）（=O（N））从N=1开始的？也许更重要的是，复杂性将完全取决于您实际如何计算哈希-我不认为有规则规定您每字节只能做O（1）个工作来计算哈希。谢谢。从某种程度上讲，这是否意味着一个字符串占用64位，而两个字符串占用128位？（假设是一台64位机器）@Vic:No——通常一个字符会占用一到四个字节，但任何大于这个字节的字符都非常罕见。@Dukeling：当然，你可以做很多事情。不管您使用什么符号，似乎有些人关心（例如）1和100000000通常需要相同的时间进行散列，但“abcd”的散列时间大约是“a”的四倍。